应用机器学习在阿舍勒矿区外围的找矿预测
作者单位：合肥工业大学资源与环境工程学院 Department of Earth Environment and Resources Sciences University of Naples Federico Ⅱ 桂林理工大学地球科学学院 桂林理工大学环境科学与工程学院
会议名称：《首届全国矿产勘查大会》
会议日期：2021年
学科分类：081803[工学-地质工程] 08[工学] 0818[工学-地质资源与地质工程]
关 键 词：成分数据分析 分形理论 机器学习 综合信息找矿预测 新疆阿舍勒地区
摘 要：新疆阿舍勒铜锌矿位于阿尔泰造山带西南缘阿舍勒盆地内,是典型的VMS型矿床。鉴于阿舍勒铜锌矿床具有埋藏深、开采难度大、采矿维护成本高等特点,伴随着矿山开采对探明资源储量不断消耗,深边部矿体品位下降,对阿舍勒铜锌矿床深部及外围找矿任务已迫在眉睫。本研究以矿产资源定量评价体系为指导,在充分收集研究区地质资料及前人研究成果的基础上,归纳矿区成矿地质规律及控矿地质要素;引入成份数据分析,对阿舍勒矿区外围岩石地球化学9个微量元素数据进行研究,运用分形理论及奇异性理论分离、识别并提取地表原生晕弱异常;量化矿区控矿地质要素,结合地球化学指标,构建研究区综合信息找矿模型;借助不同机器学习算法（支持向量机、随机森林、加权K最近邻）对矿区外围开展找矿预测,并对预测结果予以评估;结果表明:（1）9类岩石地球化学微量元素数据经成分数据变换,还原了元素的真实空间分布;以稳健主成分方法探讨元素组合特征,得出（1）Cu-Zn-Co及（2）Pb-Mo-Ag-As-Au-Sb两组矿化组合,分别对应矿床喷流沉积及变质热液叠加改造两个成矿阶段。（2）对常规地球化学数据处理方法难以识别的弱异常,以局部奇异性理论识别、提取,充分挖掘地球化学数据中隐藏的与成矿紧密相关的弱异常信息,对未知区找矿具有较强指导意义。（3）通过系统了解矿床成因及成矿规律,归纳总结矿区控矿地质要素包括:地层控矿、构造控矿（断裂,褶皱,构造交汇）、岩体控矿、岩体-地层接触带控矿、围岩蚀变带控矿、古火山机构控矿在内的6个地质要素;在此基础上,得出各控矿地质要素最佳缓冲距离,量化各类与成矿密切相关的控矿地质要素信息,构建地质-地球化学综合信息找矿预测模型。（4）对基于支持向量机、随机森林及加权K最近邻三种监督学习算法构建的预测模型评估,并对各模型预测结果与矿区见矿钻孔相对应,得出三类机器学习模型找矿预测效果显著。以机器学习综合找矿预测结果为主,辅以岩石地球化学弱异常信息,结合研究区地质背景及矿区控矿地质要素重要度评价指标,在新疆阿舍勒铜锌矿区外围圈定3类共9个找矿预测区。